Gambar produk KOLORIMETRI DIGITAL BERBASIS ACES AP0 DAN MACHINE LEARNING UNTUK DETEKSI PRESISI KEBOCORAN CO2

📂 Mekanik

← Kembali ke EPILOG

KOLORIMETRI DIGITAL BERBASIS ACES AP0 DAN MACHINE LEARNING UNTUK DETEKSI PRESISI KEBOCORAN CO2

👤 Pemegang: UIN Raden Fatah Palembang

No. Permohonan

S00202413496

No. Sertifikat

IDS000012015

Status Paten

(PA) Diberi Paten

Tingkat Kesiapan (TKT / TRL)

5

Bidang Khusus

🏷️ Green Tech

⭐ Vote Inovasi Ini 🗳️

❓

Permasalahan

Keberhasilan fasilitas Carbon Capture and Storage (CCS) dalam mitigasi perubahan iklim sangat bergantung pada sistem pemantauan yang andal untuk memastikan tidak terjadi kebocoran gas CO2 dari penyimpanan geologis bawah tanah. Namun, metode pemantauan konvensional (seperti instrumen kromatografi gas atau sensor inframerah elektronik) membutuhkan biaya investasi dan operasional yang sangat mahal, rumit, serta tidak praktis untuk pemantauan spasial berskala luas dan berkelanjutan. Di sisi lain, alternatif sensor optik kolorimetri yang ada saat ini umumnya hanya berfokus pada komposisi kimia sensor namun masih mengandalkan ruang warna konvensional (seperti sRGB) dan model regresi sederhana saat pemrosesan data digital. Hal ini menyebabkan akurasi pengukuran yang rendah karena ketidakmampuan sistem dalam menginterpretasi variasi perubahan warna indikator yang sangat halus pada konsentrasi kebocoran rendah.

💡

Solusi yang Diberikan

Inovasi ini menghadirkan metode kolorimetri digital berakurasi tinggi yang mengintegrasikan sensor optik pasif, ruang warna gamut luas, dan pembelajaran mesin (machine learning). Pertama, sensor optik pasif berbiaya rendah (tabung dengan membran semipermeabel berisi larutan indikator pH cresol red) ditempatkan di dalam tanah untuk menangkap difusi gas CO2, yang memicu perubahan warna larutan dari jingga menjadi kuning. Kedua, respons warna sensor direkam menggunakan kamera digital. Ketiga, citra digital dikonversi dari sRGB ke ruang warna Academy Color Encoding System AP0 (ACES AP0) yang memiliki gamut warna sangat luas dan keseragaman perseptual untuk mengekstrak komponen warna Merah (R), Hijau (G), dan Biru (B) secara presisi. Terakhir, algoritma Regresi Polinomial Multivariabel (MPR) digunakan untuk memodelkan hubungan non-linear data warna ACES AP0 dan mengonversinya menjadi nilai konsentrasi CO2 tanah secara kuantitatif dan akurat.

Unique Value

1

Akurasi Tinggi Ruang Warna ACES AP0

2

Presisi Model Regresi Polinomial

3

Sensitivitas Deteksi Kebocoran

4

Biaya Efektif Skalabilitas Pemantauan

5

Mudah Terintegrasi Ekosistem Digital

Bentuk Komersialisasi

Lisensi

Kerja sama industri

Keunggulan Inovasi

Dibandingkan detektor elektronik konvensional yang mahal maupun kolorimetri sRGB biasa, inovasi ini menawarkan akurasi setara instrumen laboratorium (UV-Vis) dengan biaya jauh lebih ekonomis. Kombinasi ruang warna ACES AP0 dan algoritma MPR menghasilkan galat prediksi terendah di kelasnya, yakni Mean Absolute Percentage Error (MAPE) <= 2,94% dan Root Mean Square Error (RMSE) <= 0,0731, mengungguli 9 algoritma regresi lainnya. Metode ini juga memiliki sensitivitas tinggi dengan Batas Deteksi (LOD) mencapai 0,028% berat (wt). Selain itu, sensor bersifat pasif (tanpa suplai listrik di titik pantau) sehingga sangat praktis dan skalabel untuk pemantauan area CCS yang luas.

Tahap Penelitian Awal

Prototipe Awal

Uji Terbatas

Implementasi Awal

Siap Diterapkan Lebih Luas / Diproduksi Massal

Sektor/ Industri Terkait

(1) Energi Baru dan Terbarukan (Teknologi Transisi Energi dan Dekarbonisasi CCUS/CCS). (2) Industri Minyak, Gas Bumi (Migas), dan Pertambangan. (3) Pemantauan dan Pengelolaan Lingkungan Hidup (Environmental Monitoring). (4) Teknologi Informasi dan Komputasi (Pengembangan perangkat lunak analitik citra digital dan AI untuk sensor kimia). (5) Pertanian Presisi (Precision Agriculture).

Potensi Inovasi

Ekonomi: Menekan biaya investasi dan operasional pemantauan situs CCS secara signifikan dibandingkan penggunaan sensor elektronik impor yang mahal, sekaligus mendukung ekosistem ekonomi dan perdagangan karbon nasional.; Sosial: Meningkatkan keamanan dan keselamatan masyarakat serta pekerja di sekitar fasilitas penyimpanan karbon bawah tanah melalui sistem deteksi dini kebocoran gas CO2 yang andal.; Lingkungan: Mencegah pelepasan kembali emisi gas rumah kaca (CO2) ke atmosfer dari situs penyimpanan geologis, menjaga kualitas ekosistem tanah, dan mendukung mitigasi perubahan iklim.

Tantangan Implementasi

(1) Standarisasi kondisi pencahayaan saat proses akuisisi citra digital di lapangan terbuka yang memiliki variasi intensitas cahaya matahari dan cuaca. (2) Peningkatan ketahanan fisik (durabilitas) kemasan tabung sensor dan membran semipermeabel agar tahan terhadap kondisi tanah ekstrem dalam pemantauan jangka panjang. (3) Pengemasan skrip algoritma pemrosesan citra ACES AP0 dan model MPR (Python) ke dalam bentuk aplikasi perangkat bergerak (mobile app) terintegrasi agar lebih praktis digunakan secara real-time oleh operator lapangan.

🎬 Video Demonstrasi

🎥 Video demonstrasi belum tersedia

Download PDF